ORSZÁGOS METEOROLÓGIAI SZOLGÁLAT Szél- és napenergia előrejelzés az Országos Meteorológiai Szolgálatnál Tóth Helga, Brajnovits Brigitta, Szintai Balázs és Tóth Zoltán Országos Meteorológiai Szolgálat Email: toth.h@met.hu Alapítva: 187
Tartalom Szél- és szélenergia előrejelzés szélerőműveknek és a MAVIRnak Motiváció, kezdetek Szélerőművek hazánkban Szélenergia teljesítmény szolgáltatás az AROME modell alapján Eredmények kiértékelése Szélenergia teljesítmény javítása (BIAS korrekciók, EPS) Napenergia előrejelzés AROME modell globálsugárzás előrejelzésének verifikációja Borult és felhős esetek szétválasztása Sugárzás-átviteli blokk tesztje
Miért kell a MAVIR-nak szélenergia előrejelzés? A MAVIR-nak kötelező átvenni a szélerőművek által termelt elektromos áramot Minden egyes időpillanatban annyi energiát kell előállítani, amennyi szükséges Napi terv készítése negyed órás felbontásban, az egyes energia fajták rendelkezésre állásáról (atom-, hő-, biomassza erőművek, szél- és nap erőművek) Ezek alapján döntenek az import-export arányáról Előzmény: 211. MAVIR pályázat szélenergia becslésre (nem az OMSZ nyer) 211. év vége: kell előrejelzés az OMSZ-tól is 212. augusztus 1-től operatív szolgáltatás
Szélerőművek Magyarországon 173 db erőmű (8 csoport) Beépített teljesítmény: 33 MW Toronymagasság: 3-113 m (jellemzően 1 m körül) Rotorátmérő: 27-9 m (főként 9 m) Teljesítmény:.2-3 MW (főleg 2 MW, 139 db) Gyártók: Gamesa, Vestas Szápár: Vestas V9, 2MW, 85 m magas, 9 m átmérő
Előrejelzés készítés menete Napi 4x (, 6, 12 és 18 UTC) + 39 órára előre, 15 perces felbontással 212. 8-213. 8 ALADIN DADA-ból, majd ezt követően AROME modellből planetáris határrétegbeli szélsebesség felhasználásával Teljesítmény számítás minden egyes szélerőműre szélsebességből p-v görbe alapján Ezek összegét kapja a MAVIR xml file formátumban AROME modell: - Nem-hidrosztatikus ~v 3 mezoskálájú numerikus előrejelző modell - Saját adatasszimilációs ciklus - 6 réteg a felszín és a 2,7 hpa nyomási szint között - horizontális térbeli felbontás: 2,5 km Beépített teljesítmény E m P = = = 1 mv 2 ρavt de dt = 2 1 2 ρav 3
Naponta előállítjuk a teljesítmény előrejelzési görbéket Amint van mérés (kb 1-2 hónap), frissítjük a görbéket DADA-k együtt futnak, AROME kilóg AROME előrejelzése volt jó
Eredmények kiértékelése (teljesítmény verifikáció) RMSE, BIAS, MAPE, MAPE5, ElteresBT évszakonkénti értékei n MAPE ElteresBT MAPE5 = 1 = n 1 = n 1 n 1 Tény Terv Tény Tény Terv BT 1% 1% darab(mape 5%)/n 1% ELVÁRÁS: 5%-on belüli MAPE (IRREÁLIS) Példa: 214. nyár AROME- AROME-ÖF BIAS (MW) 4.91 3.76 RMSE (MW) 34.2 29.7 MAPE 52% 49% ElteresBT 6.8% 5.9% MAPE5 7.1% 8.8%
Teljesítmény hisztogram 213-214 tél 214 tavasz Alapvetően az alacsony teljesítmények Teljesítmény (MW)l dominánsak, a 214 nyár kihasználtság max. 214 ősz kb. 2%-os a beépített teljesítményhez viszonyítva.
Teljesítmény előrejelzések javítása Összteljesítmény javítása BIAS korrekcióval -> Brajnovits Brigitta munkái (STT, STB, Kalman filter alkalmazása) Egyedi teljesítmény javítás katalógus görbe javításával (pl. sűrűség) -> Renczes Balázs szakdolgozata, kb 5%-os javulás érhető el Szélsebesség javítása BIAS korrekcióval (pontonként => javul a teljesítmény is?) ALADIN EPS -> fázishibák kiküszöbölése Bias korrekciók (212. aug. dec.), 1 nap tanulóidőszak: STT: előző 28 nap időlépcsőnkénti BIAS-ai STB: megelőző 3 teljes nap BIAS-a COM: Az előző időszakban az előző módszerek teljesítmény alapú súlyozása Cross Validation: független napok vizsgálata, időlépcsőnkénti korrekció Egy adott napon Nincs érdemi javulás
Szélsebesség korrekciója Kalman Filterrel: adott időpontban hibák kiejtik egymást, de nincs javulás az abszolút és négyzetes hibák esetében EPS bevezetése egyenlőre nincs rá igény 6% valószínűséggel a teljesítmény 9 MW alatt lesz
Napenergia előrejelzés az OMSZ-ban
Rövidhullámú sugárzásátvitel AROME modellben: RRTM (Rapid Radiation Transfer Model) - Spektrális modell, ügyesen egyszerűsítve, más-más módon a látható és az infravörös tartományban Globálsugárzás: széles spektrumtartomány (közeli UV, látható, közeli infravörös: 3 3 nm) AROME napsugárzási outputok: Default: globálsugárzás, sug. egyenleg (globális-visszavert) Verifikáció: - 213. április, június, augusztus több évszak, legváltozékonyabb hónap elegendő számú derült nap (i) napi összegek (ii) első félnapi (DE) összeg* (iii) második félnapi (DU) összeg* * időegyenlítés figyelembe véve - Relatív hiba
AROME előrejelzett glob. sug: 12 UT-s futtatásokból - Mért referencia értékek: OMSZ mérései OMSZ mérőhálózatában: 4 globálsugárzásmérő állomás - verifikáció a legmegbízhatóbb 21 kiválasztott állomásra (kiválasztás Nagy Z. módszerével) Egy adott állomásra vonatkozó előrejelzett érték előállítása: vettük azt a rácspontot, amelybe az adott állomás esik, és a körülötte lévő szomszédos (i) 4 rácspontra érvényes előrejelzett értékek átlagát képeztük (ii) 8 rácspontra érvényes előrejelzett értékek átlagát (nem hozott javulást) Az előrejelzett érték relatív hibája: Ahol: RE: relatív hiba X: modell által előrejelzett érték (J/cm 2 ) X m : mért érték (J/cm 2 )
napi összeg (előrejelzett - mért) relatív gyakorisága, 213. 4. napi összeg (előrejelzett- mért) relatív gyakorisága, 213.6. 25 25 2 eltérés < +- 15 % = 71.9 % 2 eltérés < +- 15 % = 68.6 % relatív gyakoriság (%) 15 1 realtív gyakor 15 1 5 5 < -5 eltérés (%) > 5 < -5 eltérés (%) > 5 25 2 napi összeg (előrejelzett-mért) relatív gyakorisága, 213.8. eltérés < +- 15 % = 75.7 % NAPI ÖSSZEGEK Hónap 15 %-on belüli RE ------------------------------------- relatív gyakor 15 1 5 Április 71,9 % Június 68,6 % Augusztus 75,7 % < -5 eltérés (%) > 5 Aszimmetria : ápr alábecslés, jún, aug kis fölébecslés Extrém hibák: (i) legtöbb áprilisban (ii) mindig felülbecslések
BORULT ÉS DERÜLT ESETEK Kiválasztáshoz: relatív globálsug. (RELG): 3 éves mérési adatsor alapján a globálsugárzás értékek normalizálása (Nagy Z.). A normalizáló adatsor pentádonként órás bontásban tartalmazza az időszak (1967-1997) alatt előforduló maximális értékeket. RELG = G_MÉRT / G_MAX - Derült: RELG >,85 - Borult: RELG <,25 relatív gyakoriság (%) relatív gyakoriság (%) 3 25 2 15 1 5 3 25 2 15 1 5 napi összeg ( előrejelzett-mért) relatív gyakorisága, 213.4.-6.-8. ( derült idő, rel. glob.> 85%) eltérés < +- 15 % = 89.7 % < - 5 eltérés (%) > 5 napi összeg (előrejelzett-mért) relatív gyakorisága, 213.4.-6.-8. (borult idő, rel.glob.<.25%) eltérés < +- 15 % = 38.4 % < - 5 eltérés (%) > 5
SUGÁRZÁSÁTVITELI BLOKK TESZTJE (derült idő esetén) Hogyan függ a RE a légkör sugárzásátbocsátó képességétől (átlátszóságától)? - AEROSZOL OPTIKAI MÉLYSÉG (AOD) (LI-18 spektrofotométer: 368, 38, 412, 45, 5, 61, 675, 778, 825, 124 nm, SP2 napfotométer: 412, 5, 675, 862 nm) Vizsgálatokhoz: 5 nm (standard) AOD mérések: Budapest, Kékestető - Többi állomás (21 db): nincs AOD, ezért ezeken a helyeken f (RELG) - AROME modellben AOD havonként változó konstans érték A három vizsgálati hónap alatt igen kevés teljesen derült nap (átlagosan kicsivel több, mint 2 nap; min: 12, max: 28) relatív hiba relatív hiba 6 4 2-2 -4-6 -8-1 -12,8,13,18,23,28,33,38 4 2-2 -4-6 -8-1 RE = f (AOD) Budapest AOD AOD-5 és DEV kapcsolata,48,68,88,18,128,148,168,188,28 AOD felülbecslés RE = f (AOD) - Kékestető alulbecslésl
RE = f (RELG) Összes többi mérőállomás 8 6 4 2 relatív hiba,8,82,84,86,88,9,92,94,96,98-2 -4-6 -8 alábecslés -1-12 RELG RE időbeli menete 8 6 4 2 relatív hiba -2-4 -6-8 -1-12 -14 41. napok Meteorológiai (április-augusztus) Tudományos Napok, 215. nov. 19-2.
KONLÚZIÓK: 1. A modell derült és nem túl nagy borultságú esetekben jól teljesít, a gondot a komolyabb felhőzet megjelenése okozza a felhőmikrofizika és a foton-felhőrészecske kölcsönhatás modellezése nem elég megbízható 2. A modell legpontosabb augusztusban, legpontatlanabb júniusban ok: aug. stabilabb helyzetek, jún: változékonyság (derült-borult), zivatarok, felhőzet, ápr: változékony, de kevésbé zivataros, nagyon nagy borultságok kevésbé gyakoriak a modell a stabilabb helyzeteket könnyebben jelzi előre 3. Jún, aug: inkább felülbecslés, ápr: alulbecslés a jellemző 4. Extrém felülbecslések toronymagasan áprilisban a leggyakoribbak 5. Borult esetekben igen gyengén teljesít a modell: RE < 15 % az esetek 38,4 százalékában (felülbecslések ok: felhőfizikai folyamatok nem megfelelő modellezése az AROME felhők sokkal jobb sug. átbocsátók a realisztikus felhőknél)
6. A glob.sug. előrejelzés megbízhatósága függ a légkör sugárzás átbocsátó képességétől: a modell átlagol: az extrémen nagy átlátszóságú, alig szennyezett esetekben alábecsüli a beérkező sugárzást, az erősen szennyezett, kis átlátszóságú esetekben pedig fölébecsli, azaz tisztább légkört jelez előre. Ok: (i) a modell általában kevésbé tudja megfogni az extrém helyzeteket (ii) a modell nem jelzi előre az optikai mélységet, hanem egy havi bontású klimatikus éves menetet használ TERVEK: 1. Verifikáció legalább 1 évre, de inkább többre 2. Szennyezés ( aeroszol optikai mélység) előrejelzés beépítése a modellbe (hosszabb távú terv)
ORSZÁGOS METEOROLÓGIAI SZOLGÁLAT Köszönjük szépen a figyelmet! Alapítva: 187